深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
5981	2026-02-08	A diagnosis tool for early detection and classification of heart disease in individuals using transformer mechanisms 2026-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109248 PMID:41576777	研究论文	本文提出了一种基于Transformer的模型，用于早期检测和分类心脏病，并开发了Android应用以实现实时风险评估	首次将Transformer架构应用于心脏病分类，结合电子健康记录中的症状特征，并开发了移动应用以实现实时临床决策支持	研究仅基于单一医院的电子健康记录数据，可能缺乏外部验证和泛化能力	开发一种高效的心脏病早期诊断和分类工具，以降低死亡率并支持实时风险评估	一般人群中的个体，使用电子健康记录数据	自然语言处理	心血管疾病	电子健康记录分析	Transformer	文本	NA	NA	Transformer编码器	准确率, 精确率, 召回率, F1分数	NA
5982	2026-02-08	CellViT++: Energy-efficient and adaptive cell segmentation and classification using foundation models 2026-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109206 PMID:41576779	研究论文	本研究提出了一种名为CellViT++的数据高效且轻量级的框架，用于通用细胞分割，能够以最少的数据快速适应新的细胞类型	利用冻结的预训练基础模型进行分割，并在前向传播过程中无额外计算成本地提取深度细胞嵌入，仅需训练轻量级分类器即可适应新细胞类型，显著降低了计算成本和数据需求	未明确提及框架在处理极端罕见细胞类型或高度异质性组织样本时的性能限制	开发一种数据高效、计算成本低且适应性强的细胞分割与分类方法，以克服数字病理学中现有模型的局限性	数字病理学中的细胞分割与分类	数字病理学	结肠癌	免疫荧光染色	Vision Transformer	图像	七个公共数据集	PyTorch	Vision Transformer	F1分数	未明确指定GPU类型，但提及训练时间从小时级减少到分钟级，二氧化碳排放减少96.93%
5983	2026-02-08	Application of artificial intelligence in colonoscopy imaging for polyp analysis-A systematic review 2026-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109239 PMID:41621228	综述	本文对深度学习在结肠镜图像息肉分析中的应用现状进行了全面且批判性的分析	系统性地回顾了包括卷积神经网络、基于Transformer的模型和混合方法在内的多种深度学习架构，并探讨了AI辅助工具的临床相关性及普遍性挑战	识别了现有技术面临的挑战，如数据不平衡、实时部署以及在不同人群和结肠镜设备间的泛化性问题	旨在为研究人员、临床医生和开发者提供利用深度学习增强结直肠息肉检测、诊断和临床决策的宝贵资源	结直肠息肉	计算机视觉	结直肠癌	结肠镜成像	CNN, Transformer	图像	NA	NA	NA	NA	NA
5984	2026-02-08	Artificial Intelligence for Postoperative Wound Monitoring: An Integrative Review of Digital Innovation and Clinical Feasibility 2026-Mar, The American surgeon DOI:10.1177/00031348251385104 PMID:41027651	综述	本文对人工智能在术后伤口监测中的应用进行了综合性评述，评估了其技术进展、临床可行性与未来发展方向	首次系统性地聚焦于术后伤口（而非慢性伤口）的AI监测，提出了整合深度学习、可穿戴生物传感器、移动应用和自然语言处理等技术的临床实施路线图	现有研究缺乏大规模标准化数据集、可解释AI框架和严格的临床验证研究	评估人工智能技术在术后伤口监测中的最新进展、临床可行性及未来整合路径	术后伤口监测相关的AI技术应用	数字病理学	NA	深度学习, 可穿戴生物传感器, 移动应用, 自然语言处理	NA	图像, 传感器数据, 文本	基于118篇符合纳入标准的相关文献	NA	NA	NA	NA
5985	2026-02-08	A Gravity-Informed Spatiotemporal Transformer for Human Activity Intensity Prediction 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3625859 PMID:41150240	研究论文	本文提出了一种基于物理约束的深度学习框架Gravityformer，用于预测人类活动强度	通过集成万有引力定律来优化Transformer注意力机制，以解决现有方法忽视空间交互物理约束的问题	未明确说明模型在极端或异常情况下的鲁棒性	预测人类活动强度，以支持基于位置的服务	人类活动数据	机器学习	NA	深度学习	Transformer, 图卷积网络	时空数据	六个大规模真实世界活动数据集	NA	Transformer, 图卷积网络	定量和定性评估	NA
5986	2026-02-08	Joint Sparse Optical Flow Estimation and Keypoint Detection via Dual-task Imperative Learning 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3627192 PMID:41171660	研究论文	本文提出了一种新颖的双任务强制学习框架，用于联合优化稀疏光流估计和自适应关键点检测	通过双任务强制学习框架，结合EM范式和高斯-牛顿推理引擎，实现了稀疏光流估计与关键点检测的协同优化，增强了模型的可解释性和跨域适应性	仅使用了200个训练图像对进行训练，可能限制了模型的泛化能力	解决深度学习在光流估计中面临的模型可解释性、泛化能力和部署效率问题，特别是在视觉里程计等应用中	稀疏光流估计和关键点检测	计算机视觉	NA	深度学习	CNN	图像	200个训练图像对	NA	NA	端点误差, F1-all, 视觉里程计轨迹精度	NA
5987	2026-02-08	Revisiting Transformation Invariant Geometric Deep Learning: An Initial Representation Perspective 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3626735 PMID:41171655	研究论文	本文提出了一种名为TinvNet的通用插件方法，通过设计变换不变且保持距离的初始点表示，来实现几何深度学习的变换不变性，而无需复杂的网络层设计	发现变换不变且保持距离的初始点表示足以实现变换不变性，并提出了一种简单通用的插件方法TinvNet，该方法可与现有神经网络结合，严格保证变换不变性	未明确说明方法在极端变换或噪声数据下的鲁棒性，也未讨论计算复杂度相对于传统方法的详细对比	研究如何使深度神经网络在处理几何数据（如点云和图）时保持对平移、旋转、缩放等变换的不变性	几何数据，包括点云和图	机器学习	NA	NA	图神经网络, 深度神经网络	点云, 图数据	NA	NA	TinvNet	NA	NA
5988	2026-02-08	OoDBench+: Quantifying and Understanding Two Dimensions of Out-of-Distribution Generalization 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3628027 PMID:41182941	研究论文	本文提出并量化了两种分布偏移类型（多样性偏移和相关性偏移），用于评估和理解OoD泛化算法的性能	识别并形式化定义了两种普遍存在的分布偏移类型，证明了OoD算法性能受其上限约束，并将不同研究领域的OoD数据集和算法整合到一个统一框架中	未在论文摘要中明确说明具体限制	量化并理解OoD泛化中的两种分布偏移维度，为未来研究提供基础	OoD泛化算法及其在分类和目标检测数据集上的性能	机器学习	NA	NA	NA	图像数据（基于分类和目标检测任务推断）	NA	NA	NA	NA	NA
5989	2026-02-08	Deep Learning With Data Privacy via Residual Perturbation 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3637239 PMID:41296949	研究论文	本文提出了一种基于随机微分方程的残差扰动方法，用于在深度学习（DL）中保护数据隐私，通过向ResNets的每个残差映射注入高斯噪声来实现	提出了一种新颖的残差扰动机制，该机制在保证差分隐私（DP）的同时，减少了深度学习的泛化差距，并在计算效率和效用维护方面优于现有的差分隐私随机梯度下降（DPSGD）方法	未明确提及具体局限性，但可能涉及噪声注入对模型性能的潜在影响或在不同网络架构中的适用性	研究在深度学习中保护数据隐私的方法，旨在减少隐私保护机制带来的效用损失和计算开销	深度学习模型，特别是ResNets（残差网络）	机器学习	NA	随机微分方程，高斯噪声注入	ResNet	NA	NA	NA	ResNet	效用维护，泛化差距	NA
5990	2026-02-08	Deep Tabular Representation Corrector 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3637810 PMID:41308107	研究论文	提出了一种名为TRC的深度表格表示校正器，用于增强已训练的深度表格模型的表示，而无需修改其参数	引入了一种模型无关的表示校正方法，通过两个任务（表格表示重估计和表格空间映射）来缓解表示偏移和冗余，提高预测性能	NA	提升深度表格机器学习模型的表示质量	表格数据	机器学习	NA	NA	Transformer, ResNet	表格数据	NA	NA	Transformer, ResNet	NA	NA
5991	2026-02-08	Physics-Driven Neural Compensation for Electrical Impedance Tomography 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3639647 PMID:41336161	研究论文	提出一种名为PhyNC的无监督深度学习框架，用于解决电阻抗断层成像中的逆问题不适定性和灵敏度分布不均的挑战	结合EIT的物理原理，通过动态分配神经表示能力到低灵敏度区域，实现准确且平衡的电导率重建	未明确提及具体局限性	提升电阻抗断层成像的重建精度和鲁棒性，特别是在低灵敏度区域	电阻抗断层成像的逆问题与灵敏度分布	医学成像	NA	电阻抗断层成像	深度学习	模拟数据与实验数据	NA	NA	NA	细节保留与伪影抵抗能力	NA
5992	2026-02-08	Development of a deep learning classification model using a codeless platform for orthodontic extraction decision-making: Impact of image type on model performance 2026-Mar, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106296 PMID:41389871	研究论文	本研究评估了图像类型对深度学习分类模型在正畸治疗计划决策中性能的影响，并探讨了人工智能在利用口内照片和数字模型扫描确定拔牙与非拔牙治疗计划中的临床适用性	使用无代码平台自动开发深度学习分类模型，通过自动超参数调优优化模型，无需手动编码，并比较了不同图像类型（口内照片与数字扫描）对模型性能的影响	研究为回顾性设计，样本量相对有限（共1200张图像），且仅比较了两种图像类型，可能未涵盖所有临床相关图像模态	评估图像类型对深度学习分类模型在正畸治疗计划决策中性能的影响，并探讨人工智能在确定拔牙与非拔牙治疗计划中的临床适用性	已完成正畸治疗的患者，包括其治疗前数据和正畸治疗计划	计算机视觉	正畸疾病	深度学习	深度学习分类模型	图像	1200张口内照片和1200张数字模型扫描，共2400张图像，包括600例拔牙病例和600例非拔牙病例	无代码平台	NA	准确率, 精确率, 召回率, F1分数	NA
5993	2026-02-08	M44TMD: A multimodal, multi-task deep learning framework for comprehensive assessment of TMD-related abnormalities 2026-Mar, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106322 PMID:41461305	研究论文	本研究提出了一种多模态、多任务的深度学习框架M44TMD，用于同时评估颞下颌关节紊乱相关的退行性关节病、前椎间盘移位和积液	M44TMD框架整合了多序列、多切片的MRI与临床数据，克服了现有方法在任务单一、数据模态有限以及MRI利用不足方面的局限	NA	开发一个多模态深度学习框架，以全面评估颞下颌关节紊乱相关的异常	765名参与者的1410个颞下颌关节，包括其MRI切片和临床数据	数字病理学	颞下颌关节紊乱	磁共振成像	CNN	图像, 临床数据	765名参与者（1410个颞下颌关节）的12,690个MRI切片及临床数据	NA	ResNet50	ROC-AUC, 准确率	NA
5994	2026-02-08	The development of an image processing model to estimate tooth width and space requirements 2026-Mar, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106330 PMID:41491146	研究论文	本研究开发并测试了一种基于AI的工具，用于测量牙齿宽度和牙列拥挤度	首次开发了一种基于AI的工具，能够从STL文件中自动计算牙齿的近远中宽度，并验证了其与人类评估者的一致性	研究仅基于单一正畸医生的患者数据，且样本量有限（245名患者），未来需扩大数据集并纳入更多参数如牙弓平整度	开发并验证一种AI工具，以提高正畸治疗中牙齿宽度测量和空间需求评估的效率和准确性	245名在专科正畸诊所完成治疗的患者的前后治疗石膏研究模型	计算机视觉	正畸疾病	立体光刻（STL）扫描	深度学习模型	三维图像（STL文件）	245名患者的石膏模型，其中12组预处理模型作为测试数据	NA	NA	组内相关系数（ICC），平均绝对差异（毫米）	NA
5995	2026-02-08	Multi-Architecture deep learning for CBCT segmentation of dental hard tissues and pulp in mixed dentition 2026-Mar, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106344 PMID:41519426	研究论文	本研究开发并评估了基于深度学习的3D模型，用于在儿童混合牙列CBCT扫描中自动分割牙髓、乳牙和恒牙结构	首次在混合牙列CBCT分割任务中系统比较了CNN、Transformer和Mamba等多种架构，并引入了U-Mamba等新型模型	外部验证集性能低于内部数据集，且乳牙分割在年龄较大儿童中准确性较低	开发用于儿童混合牙列CBCT图像中牙科硬组织和牙髓自动分割的深度学习模型	儿童CBCT扫描图像中的牙髓、乳牙和恒牙结构	数字病理学	NA	CBCT成像	CNN, Transformer, Mamba	3D医学图像	151例CBCT扫描（105例内部数据集，46例外部数据集），共29,478张图像	nnU-Net	ResEncM, U-Mamba Bot, U-Mamba Enc, WNet, UNETR, SegResNet	DSC, IoU, HD95, 分割体积, 处理时间	NA
5996	2026-02-08	Association of echocardiographic findings with mortality: human assessment vs. automated deep learning analysis 2026-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf148 PMID:41640420	研究论文	本研究比较了基于AI的超声心动图分析与人类专家解读的相关性，并评估了它们在预测住院患者一年死亡率方面的表现	首次在真实世界环境中，将商业AI软件（Us2.ai）的超声心动图分析与人类专家解读进行对比，并纳入自动左心室应变分析以提升死亡率预测性能	研究为回顾性设计，样本量相对有限（731例），且仅使用单一商业AI软件，可能影响结果的普适性	评估AI与人类专家在超声心动图分析中的相关性，并比较它们在预测临床结局（一年死亡率）方面的效能	住院患者（共889例，其中731例纳入分析，平均年龄68±16岁，46%为女性）的临床超声心动图检查	数字病理学	心血管疾病	超声心动图成像	深度学习模型	图像	731例住院患者的超声心动图数据	NA	NA	AUC	NA
5997	2026-02-08	Convolutional Graph Isomorphism Network to Detect Glaucomatous Visual Field Defects 2026-Mar, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.101041 PMID:41641113	研究论文	本研究评估了一种基于图同构网络（GIN）的深度学习模型在检测青光眼视野缺损方面的性能，并与传统诊断标准、密集神经网络和卷积神经网络模型进行比较	首次将标准自动视野检查（SAP）数据建模为图结构，利用图同构网络（GIN）捕捉测试点间的空间关系，从而在青光眼视野缺损检测中实现更优的诊断性能和可解释性	研究为横断面回顾性设计，可能受限于数据选择和潜在偏差；样本量相对有限（1874次测试），且仅基于单一设备（Humphrey视野分析仪）的数据	评估图同构网络（GIN）在检测青光眼视野缺损中的诊断性能，并与传统方法和现有深度学习模型进行对比	来自676名患者1009只眼的1874次可靠标准自动视野检查（SAP）测试	机器学习	青光眼	标准自动视野检查（SAP）	GIN, CNN, 密集神经网络	图数据（节点特征包括敏感度、总偏差和模式偏差值）	1874次SAP测试（来自1009只眼，676名患者）	NA	图同构网络（GIN）	AUC, 精确率-召回率曲线, 95%特异性下的敏感度, F1分数, 可重复性, 模型可解释性	NA
5998	2026-02-08	Investigating the Cytoskeleton of DRGs Using Cryo-Electron Microscopy and Deep Learning 2026-Feb-07, Cytoskeleton (Hoboken, N.J.) DOI:10.1002/cm.70100 PMID:41653058	研究论文	本文介绍了一种利用冷冻电子显微镜和深度学习技术研究培养的背根神经节神经元轴突和膨体超微结构的方法	结合冷冻电子显微镜和深度学习策略，实现了对轴突细胞骨架的半自动断层分割，为定量描述超微结构特征提供了新方法	NA	研究背根神经节神经元轴突和膨体的超微结构组织，特别是年龄相关的变化	培养的背根神经节神经元	数字病理学	NA	冷冻电子显微镜, 冷冻电子断层扫描	深度学习	图像	年轻和年老培养的背根神经节神经元	NA	NA	NA	NA
5999	2026-02-08	Decoding cortical folding with deep learning: toward neurodevelopmental biomarkers of psychiatric disorders 2026-Feb-07, Journal of neural transmission (Vienna, Austria : 1996) DOI:10.1007/s00702-026-03105-3 PMID:41653295	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6000	2026-02-08	Interpretable deep learning model of circulating genomics for quantitative survival prediction in advanced non-small cell lung cancer 2026-Feb-06, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-026-04220-z PMID:41649698	研究论文	本研究开发了一种可解释的深度学习模型，用于晚期非小细胞肺癌患者的定量生存预测	整合了多模态特征（包括ctDNA状态、cfDNA浓度和基因突变等）的DeepSurv模型，相比单一ctDNA或cfDNA指标，显著提升了生存预测的准确性，并利用SHAP方法增强了模型的可解释性	研究基于回顾性数据，且仅使用了两个特定的ctDNA测序平台（MSK-ACCESS和ctDx Lung），可能限制了模型的普适性	开发一种可解释的深度学习模型，以定量预测晚期非小细胞肺癌患者的生存结局	晚期非小细胞肺癌患者	机器学习	肺癌	超深度ctDNA测序（MSK-ACCESS和ctDx Lung）	DeepSurv	基因组数据、临床病理特征	1373名晚期非小细胞肺癌患者（发现队列1012人，验证队列361人）	NA	DeepSurv	时间依赖性曲线下面积（AUC）、风险比（HR）	NA